Digital_133046 T 27833 Analisis Faktor Analisis

53Universitas Indonesia

BAB 4

DESKRIPSI CAPITAL FLIGHT INDONESIA

4.1. Capital Flight dan Keterkaitannya dengan Variabel Makroekonomi

Pada Bab ini, Capital Flight yang terjadi di Indonesia dilakukan estimasi

dengan pendekatan residual yang dikembangkan World Bank dan Erbe (1985)

dengan menggunakan data-data yang tersedia dalam Neraca Pembayaran

Indonesia periode kuartal pertama tahun 1996 sampai dengan kuartal pertama

tahun 2009. Selanjutnya dilakukan analisis secara grafis, untuk melihat

keterkaitan antara Capital Flight hasil estimasi dengan peristiwa penting yang

terjadi pada kondisi perekonomian maupun sosial politik Indonesia selama kurun

waktu penelitian serta keterkaitannya dengan pergerakan variabel makroekonomi

Indonesia pada periode waktu yang sama.

Capital Flight pendekatan residual menunjukkan selisih antara sumber

pendanaan (sources) dengan penggunaan dana (uses) dimana aliran modal ke luar

negeri (outward Capital Flight) ditunjukkan dengan hasil perhitungan bertanda

positif. Sebaliknya, apabila hasil perhitungan Capital Flight dengan metode

residual menunjukkan tanda negatif maka yang terjadi adalah inward Capital

Flight. Dalam pencatatan di neraca pembayaran, sources ditunjukkan oleh

perubahan hutang luar negeri dan investasi asing langsung (Foreign Direct

Investment/FDI) sedangkan uses mencakup transaksi berjalan (Current Account)

dan perubahan cadangan devisa (Reserve Asset Change).

Berdasarkan estimasi Capital Flight dengan pendekatan residual diperoleh

perkiraan nilai nominal Capital Flight Indonesia yang terjadi di Indonesia selama

periode penelitian 1996:1 sampai dengan 2009:1 sebagaimana Tabel 4.1. sebagai

berikut :

Analisis faktor..., Kus Virgantari, FE UI, 2010.

54

Universitas Indonesia

Tabel 4.1. Estimasi Capital Flight Indonesia periode 1996:1 2009:1 (dalam Juta USD)

Periode Sources Uses CF Periode Sources Uses CF 1996:1 4992.03 -3334.00 1658.03 2003:1 -819.19 938.16 118.96 1996:2 1875.81 -3096.00 -1220.19 2003:2 552.97 617.92 1170.88 1996:3 2508.82 -2057.00 451.82 2003:3 148.96 2129.41 2278.37 1996:4 2408.81 -3763.00 -1354.19 2003:4 625.10 163.35 788.44 1997:1 438.24 -3384.21 -2945.98 2004:1 307.41 -3088.75 -2781.34 1997:2 2886.80 -3344.70 -457.89 2004:2 -1694.69 3088.84 1394.15 1997:3 3028.80 -98.98 2929.82 2004:3 -476.05 2306.72 1830.67 1997:4 1312.80 5938.63 7251.44 2004:4 756.92 -69.65 687.26 1998:1 -602.33 5908.83 5306.50 2005:1 -458.95 159.62 -299.33 1998:2 1291.87 -1404.50 -112.63 2005:2 1629.76 2165.72 3795.48 1998:3 780.87 -267.09 513.78 2005:3 979.00 2318.01 3297.01 1998:4 979.87 -2484.27 -1504.40 2005:4 1528.45 -3703.15 -2174.70 1999:1 -1513.04 -466.83 -1979.87 2006:1 1589.87 -2409.90 -820.03 1999:2 -698.29 84.43 -613.86 2006:2 -687.38 2312.98 1625.60 1999:3 -872.74 1513.01 640.28 2006:3 -736.59 1605.77 869.18 1999:4 -1099.47 1360.29 260.82 2006:4 1543.56 2449.00 3992.56 2000:1 -2742.13 -909.77 -3651.90 2007:1 391.06 -1739.28 -1348.22 2000:2 -97.72 983.48 885.76 2007:2 1975.36 -1365.69 609.672000:3 -1205.94 1679.23 473.29 2007:3 1630.36 971.98 2602.342000:4 -1789.10 1197.55 -591.55 2007:4 232.55 -89.88 142.67 2001:1 -1915.96 2781.31 865.36 2008:1 1949.13 1784.79 3733.92 2001:2 -1002.77 1373.17 370.40 2008:2 781.01 -2280.01 -1499.00 2001:3 -826.18 2042.69 1216.51 2008:3 682.72 -795.90 -113.18 2001:4 -1335.48 2081.44 745.96 2008:4 2122.29 3535.28 5657.572002:1 -858.51 1671.26 812.76 2009:1 1755.48 -2161.22 -405.742002:2 380.22 632.02 1012.24 2002:3 77.65 1645.30 1722.94 2002:4 200.23 -147.83 52.40

Sumber : Hasil perhitungan Capital Flight, Lampiran 1

Secara grafis, nominal Capital Flight Indonesia selama periode penelitian

kuartal pertama tahun 1996 sampai dengan kuartal pertama tahun 2009 disajikan

dalam Gambar 4.1. Outward capital flow atau aliran modal keluar dari Indonesia

tercatat meningkat secara signifikan pada periode 1997:3 1998:1 yang mencapai

nominal 7.25 milyar USD. Krisis ekonomi yang terjadi di wilayah Asia Tenggara

dan melanda Indonesia berdampak pada kondisi perekonomian dalam negeri yang

tidak kondusif dan sarat risiko diduga mendorong investor lebih memilih

memindahkan aset/modal yang dimiliki ke luar dari Indonesia. Krisis mata uang

yang terjadi di Indonesia, dimana mata uang Rupiah mengalami depresiasi nilai

makin memperkuat kenyataan bahwa investasi di Indonesia kurang

menguntungkan dibandingkan memegang mata uang lainnya, misalnya USD yang

pada saat itu terapresiasi terhadap Rupiah. World Development Report (World


B

T

n

i

k

d

p

p

p

p

g

I

Bank, 1998

Tenggara di

negeri mulai

1998.

GrafiSumber : Hasil

Graf

inward capi

kemungkina

di Indonesia

pemerintah b

perbankan d

penjaminan

pemulihan fu

governance

Indonesia, 2

-6000

-4000

-2000

0

2000

4000

6000

800019

96q1

8) menyebut

iyakini menj

i kuartal kee

ik 4.1. Pel perhitungan C

fik 4.1. menu

ital flight de

an disebabka

a semakin k

bersama-sam

dalam rangk

pemerintah

fungsi interm

serta penyem

2001).

1996

q319

97q1

1997

q319

98q1

tkan pula b

adi penyeba

empat tahun

ergerakan CaCapital Flight,

unjukkan ba

ngan nilai n

an adanya p

kondusif ka

ma dengan B

ka program

bagi bank u

mediasi bank

mpurnaan si

1998

q319

99q1

1999

q320

00q1

CF

bahwa krisi

ab terjadi pe

1997 hingg

apital Flight Lampiran 1 (d

ahwa pada k

nominal berk

persepsi posi

arena diduku

Bank Indone

penyehatan

umum & BPR

k, pengemban

istem pengat

2000

q320

01q1

2001

q320

02q1

2002

3

(Juta USD)

s ekonomi

larian moda

ga pertengah

t Indonesia 1diolah)

kuartal perta

kisar 3.65 mi

itif investor

ung oleh ke

esia untuk m

perbankan.

R, restruktur

ngan infrastr

turan dan pe

2002

q320

03q1

2003

q320

04q1

2004

3

Universitas

yang terjad

al besar-besa

an kuartal k

1996:1 200

ama tahun 2

ilyar USD. K

bahwa iklim

ebijakan yan

melakukan rek

Program in

risasi kredit

ruktur, pener

engawasan b

2004

q320

05q1

2005

q320

06q1

2006

q3

55

s Indonesia

di di Asia

aran ke luar

kedua tahun

09:1

000 terjadi

Kondisi ini

m investasi

ng diambil

kapitalisasi

ni meliputi

perbankan,

rapan good

bank (Bank

2006

q320

07q1

2007

q320

08q1

2008

q3

2008

q320

09q1


56


Pada kuartal pertama tahun 2004 merupakan tonggak bersejarah dalam

kehidupan politik dan bernegara bagi Indonesia dimana pada saat itu Indonesia

berhasil menyelenggarakan pemilihan umum (PEMILU) presiden secara langsung

untuk pertama kalinya. Masyarakat Indonesia maupun dunia internasional

menyambut baik pelaksanaan PEMILU pemilihan Kepala Negara di Indonesia

yang demokratis dan transparan, termasuk juga dalam tataran pelaksanaannya

yang berlangsung aman dan lancar. Kondisi sosial politik dalam negeri seperti ini

memberikan keyakinan bagi investor untuk menanamkan dananya di Indonesia

karena prospektif memberikan keuntungan di masa mendatang.

Tahun 2005 merupakan tahun yang cukup berat bagi Indonesia karena

terjadi kembali aksi terorisme yang menelan korban jiwa cukup banyak (Tragedi

Bom Bali 2) yang kembali membawa citra buruk atas kondisi keamanan di dalam

negeri. Selain itu, terjadinya krisis pasokan minyak dunia yang mendorong

lonjakan kenaikan harga minyak mentah dunia hingga mencapai USD 126/barel

pada tahun 2005 telah mempengaruhi kemampuan dalam negeri untuk

mengantisipasi kebutuhan bahan bakar minyak yang diperlukan dalam hamper

sebagian besar kegiatan perekonomian Indonesia sampai dengan level konsumen

rumah tangga. Pemerintah mengeluarkan kebijakan kenaikan harga BBM hingga

2 (dua) kali yakni pada bulan Maret 2005 dan Oktober 2005, yang kemudian

diikuti oleh kenaikan berbagai harga kebutuhan pokok dan memicu terjadinya

peningkatan inflasi dalam negeri. Sektor-sektor perekonomian yang dalam

kegiatan produksinya sangat tergantung pada minyak semakin terpuruk. Berbagai

hal inilah yang direspon secara negatif oleh pemilik dana dengan pemindahan aset

ke luar negeri (capital outflow).

Pada kuartal keempat tahun 2006, outward capital yang terjadi di

Indonesia dengan nilai nominal hampir mencapai 4 milyar USD kemungkinan

disebabkan adanya kebijakan penurunan tingkat suku bunga SBI dari 11.25%

pada kuartal ketiga tahun 2006 menjadi sekitar 9.75%. Penurunan suku bunga ini

mengindikasikan bahwa return penanaman modal di dalam negeri menjadi relatif

kurang menguntungkan dibandingkan kondisi investasi di luar Indonesia. Investor

dalam negeri cenderung membeli aset di luar negeri dan investor non residen


57


cenderung memindahkan dananya atau kepemilikan SBI ke luar negeri. Hal inilah

yang menyebabkan aliran modal ke luar.

Akhir tahun 2008, capital outflow Indonesia kembali mengalami fluktuasi

hingga mencapai 5.65 milyar USD. Penyebabnya antara lain adalah terjadinya

krisis ekonomi global yang berawal dari kasus subprime mortgage di Amerika

dan menyebabkan resesi ekonomi US telah merambat ke seluruh dunia, termasuk

Indonesia. Krisis ini telah membawa dampak pada perlambatan pertumbuhan

ekonomi dunia dan besar kemungkinan akan mempengaruhi perekonomian

Indonesia. Dari sisi ketersediaan dana investasi, semakin sulit untuk memenuhi

kebutuhan pendanaan yang diperlukan untuk menggerakkan roda perekonomian

karena keringnya likuiditas hampir di sebagian besar pasar keuangan dunia.

Kalaupun ada modal yang masuk ke Indonesia sifatnya hanya sementara atau

jangka pendek untuk menarik keuntungan saja dan bukan investasi yang dapat

dijadikan modal pembangunan dalam negeri.

Keterpurukan pasar keuangan di luar negeri berimbas pula pada pasar

keuangan domestik. Sentimen negatif pasar atas kondisi krisis keuangan global

mendorong harga saham di bursa Indonesia turut mengalami penurunan nilai

hingga pemerintah mengambil kebijakan penutupan sementara Bursa Efek

Indonesia untuk melindungi kepentingan emiten dan mencegah semakin

anjloknya Indeks Harga Saham Gabungan (IHSG) sebagai akibat keluarnya

investor asing dari bursa saham dalam negeri. Kepanikan di pasar keuangan inilah

yang kemungkinan besar memicu capital outflow yang terjadi di Indonesia pada

kurun waktu kuartal keempat tahun 2008.

Secara umum peristiwa-peristiwa yang terkait dengan kondisi ekonomi,

sosial dan politik tersebut di atas sejalan dengan hipotesis yang telah disusun

dalam penelitian bahwa pergerakan nilai Capital Flight selama periode penelitian

yang relatif fluktuatif ini dipengaruhi oleh pergerakan variabel makroekonomi

Indonesia antara lain adalah nilai tukar efektif riil (REER), tingkat suku bunga

SBI dan tingkat pertumbuhan ekonomi (Growth).


58


Pada pemaparan selanjutnya, secara parsial akan dibahas masing-masing

variabel yang diduga berpengaruh terhadap tingkat pelarian modal (nilai nominal)

selama periode penelitian yang dilakukan.

0

20

40

60

80

100

120

6000

4000

2000

0

2000

4000

6000

80001996q1

1996q3

1997q1

1997q3

1998q1

1998q3

1999q1

1999q3

2000q1

2000q3

2001q1

2001q3

2002q1

2002q3

2003q1

2003q3

2004q1

2004q3

2005q1

2005q3

2006q1

2006q3

2007q1

2007q3

2008q1

2008q3

2009q1

CF(JutaUSD)

REER

Grafik 4.2. Pergerakan Capital Flight Indonesia 1996:1 2009:1 dan Real Effective Exchange Rate (REER)

Sumber : Hasil perhitungan Capital Flight, Lampiran 1 dan 2 (diolah)

Grafik 4.2. menunjukkan pergerakan Capital Flight Indonesia selama

periode penelitian dimana pelarian modal ke luar negeri tertinggi terjadi antara

kuartal ketiga tahun 1997 hingga kuartal pertama tahun 1998, sebesar 5- 7 milyar

US $ pada saat indeks REER yang semula stabil menjadi menurun drastis. Indeks

REER yang mengalami penurunan berarti bahwa nilai tukar nominal Rupiah

terhadap mata uang asing (US $) melemah atau terdepresiasi.

Sebagaimana diketahui bahwa pada periode waktu tersebut telah terjadi

krisis ekonomi yang melanda wilayah Asia Tenggara termasuk Indonesia dengan

ditandai munculnya fenomena ekonomi, sosial dan politik yang penting antara

lain terpuruknya nilai tukar Rupiah terhadap US $ (depresiasi nilai tukar) semakin

memperburuk kondisi perekonomian Indonesia, gelombang PHK yang tinggi

sebagai dampak dari banyaknya kegiatan usaha terhenti karena kesulitan

permodalan atau terjerat hutang denominasi asing, permintaan valas yang

meningkat untuk keperluan pembayaran hutang jatuh tempo, perbankan


59


dihadapkan pada masalah likuiditas karena kepanikan nasabah yang menarik dana

besar-besaran, meningkatnya harga-harga barang yang disambut dengan aksi

protes kerusuhan dari masyarakat luas terhadap pemerintah pada masa itu yang

dianggap tidak mampu mengatasi krisis.

Kondisi ekonomi dan sosial politik yang tidak stabil dan penuh

ketidakpastian ini langsung direspon dengan ketidakpercayaan investor asing

maupun investor pribumi untuk menanamkan dana di dalam negeri.

Kebijakan otoritas moneter melalui penetapan tingkat suku bunga acuan yang

diharapkan akan direspon secara positif oleh sektor perbankan. Tingkat suku

bunga domestik yang rendah sedangkan suku bunga asing lebih tinggi berarti

bahwa dana yang disimpan di dalam negeri hanya akan menghasilkan keuntungan

yang lebih kecil dan kurang menarik sehingga mendorong pemilik dana memilih

menempatkan dananya di luar negeri. Sebaliknya, tingkat suku bunga yang tinggi

akan memberikan tingkat pengembalian investasi di dalam negeri yang lebih

menguntungkan dan menahan dana investor tetap berada di Indonesia.

0.00

10.00

20.00

30.00

40.00

50.00

60.00

70.00

6000

4000

2000

0

2000

4000

6000

8000

1996q1

1996q3

1997q1

1997q3

1998q1

1998q3

1999q1

1999q3

2000q1

2000q3

2001q1

2001q3

2002q1

2002q3

2003q1

2003q3

2004q1

2004q3

2005q1

2005q3

2006q1

2006q3

2007q1

2007q3

2008q1

2008q3

2009q1

CF(JutaUSD)

SBI(%)

Grafik 4.3. Pergerakan Capital Flight Indonesia 1996:1 2009:1 dan Tingkat Suku Bunga SBI



60


Grafik 4.3. menunjukkan bahwa setelah kuartal ke empat tahun 1997

hingga kuartal ketiga tahun 1998 saat krisis ekonomi tengah berlangsung di

Indonesia maupun pada periode pemulihan ekonomi, otoritas moneter

menetapkan tingkat suku bunga acuan yang lebih tinggi agar diikuti dengan

meningkatnya suku bunga di pasar keuangan dan dimaksudkan untuk

menghambat pelarian modal yang lebih besar.

Variabel makroekonomi lainnya yang diduga memiliki keterkaitan dengan

pelarian modal ke luar negeri adalah tingkat pertumbuhan ekonomi Indonesia.

Kebutuhan modal sangat erat berhubungan dengan pertumbuhan ekonomi dimana

negara yang perekonomiannya sedang tumbuh dengan pesat akan memerlukan

sejumlah modal atau pendanaan yang lebih banyak baik yang bersumber dari

dalam maupun luar negeri. Pertumbuhan ekonomi yang tinggi juga menjadi daya

tarik tersendiri bagi investor untuk menanamkan investasi di Negara tersebut

karena perekonomian yang tumbuh ini mencerminkan iklim usaha yang masih

dapat berkembang dan menjanjikan tingkat keuntungan yang tinggi pula.

10.00

8.00

6.00

4.00

2.00

0.00

2.00

4.00

6.00

8.00

6000

4000

2000

0

2000

4000

6000

8000

1996q1

1996q3

1997q1

1997q3

1998q1

1998q3

1999q1

1999q3

2000q1

2000q3

2001q1

2001q3

2002q1

2002q3

2003q1

2003q3

2004q1

2004q3

2005q1

2005q3

2006q1

2006q3

2007q1

2007q3

2008q1

2008q3

2009q1

CF(JutaUSD)

GROWTH

Grafik 4.4. Pergerakan Capital Flight Indonesia 1996:1 2009:1 dan Tingkat Pertumbuhan Ekonomi



61


Pada Grafik 4.4. terlihat bahwa tingkat pertumbuhan ekonomi Indonesia

selama periode penelitian sangat fluktuatif dan mencapai titik terendah pada

periode krisis ekonomi pada kuartal ke tiga tahun 1997 hingga kuartal ke dua

tahun 1998. Pada saat yang sama, nominal pelarian modal ke luar negeri

menunjukkan nilai yang sangat tinggi. Nominal Capital Flight Indonesia mulai

meningkat kembali pada akhir tahun 2008 yang ditengarai merupakan imbas dari

kondisi krisis keuangan global yang melanda dunia sehingga investor asing

maupun domestik mengambil keputusan menunda investasi atau menarik dananya

dari Negara yang rentan terhadap pengaruh krisis ini.

4.2. Capital Flight dan Keterkaitannya dengan Variabel Lainnya

Berdasarkan hasil penelitian sebelumnya, terdapat variabel lain yang telah

dibuktikan secara empiris mempengaruhi besarnya Capital Flight yang terjadi,

salah satunya adalah pengaruh hutang luar negeri. Boyce dan Ndikumana (dalam

Yuniarti, 2005) membagi 4 (empat) kemungkinan hubungan kausalitas antara

utang luar negeri, yaitu :

1. Debt Driven Capital Flight, modal meninggalkan suatu Negara sebagai respon

dari kondisi ekonomi yang berkaitan dengan hutang luar negeri itu sendiri.

Hutang luar negeri menyebabkan Capital Flight melalui kontribusinya dari

meningkatnya kemungkinan krisis hutang yang akan memperburuk kondisi

ekonomi dan memperburuk iklim investasi.

2. Debt Fueled Capital Flight, hutang luar negeri menyediakan sumber daya

untuk menyalurkan modal swasta ke luar negeri. Dalam kasus ini dana luar

negeri tersebut dipinjam oleh pemerintah atau swasta dengan jaminan

pemerintah kemudian diekspor kembali ke luar negeri sebagai aset swasta.

3. Flight Driven External Borrowing, capital flight menyebabkan hutang luar

negeri. Adanya Capital Flight menyebabkan habisnya sumber devisa yang

diperlukan pemerintah. Untuk menutupinya pemerintah kemudian melakukan

pinjaman ke luar negeri.

4. Flight Fueled External Borrowing, capital flight secara langsung

menyediakan sumber untuk membiayai hutang luar negeri terhadap penduduk


62


yang sama yang telah melakukan ekspor modal. Keadaan ini merupakan suatu

fenomena yang disebut sebagai round tripping atau back- to- back loans

yang dimotivasi oleh keinginan untuk memperoleh jaminan pemerintah

terhadap hutang luar negeri, atau oleh keinginan untuk membuat tipu muslihat

untuk kekayaan yang tidak bisa dijelaskan asal-usulnya.

Alasan pemerintah melakukan hutang luar negeri selama ini dikarenakan

hutang luar negeri menjadi salah satu sumber pembiayaan pembangunan ekonomi

di Indonesia dan digunakan untuk membiayai pelaksanaan kebijakan pemerintah.

Peningkatan posisi hutang luar negeri yang diimbangi dengan pengelolaan hutang

yang benar dan penyerapannya pada kegiatan investasi yang bermanfaat akan

berpengaruh pada keberhasilan dana asing tersebut dalam menunjang

pembangunan ekonomi Negara debitur. Meskipun demikian, hutang luar negeri

dapat menjadi seperti pisau bermata dua. Di satu sisi memberikan manfaat yang

positif, namun di sisi lain dapat menjadi beban perekonomian Negara pula karena

akumulasi hutang luar negeri yang semakin besar akan berdampak pada

kemampuan membayar kembali hutang tersebut pada saat jatuh temponya, baik

pokok maupun bunga.

Grafik 4.5. menunjukkan posisi hutang luar negeri pemerintah sejak tahun

1996 hingga awal tahun 2009. Terjadi peningkatan posisi hutang luar negeri

pemerintah pasca krisis ekonomi yang melanda Indonesia tahun 1997/1998. Hal

ini diperkirakan sebagai dampak dari kebutuhan pemerintah akan sumber

pendanaan yang diperlukan untuk menata kembali perekonomian dalam negeri

yang terpuruk pasca krisis. Fenomena capital flight mendorong peningkatan

hutang luar negeri Indonesia terlihat pada periode ini, dimana tingkat pelarian

modal yang tinggi terjadi pada kuartal keempat tahun 1997 kemudian direspon

dengan peningkatan posisi hutang luar negeri yang signifikan pada kuartal

pertama tahun 1998.


63


0

10000

20000

30000

40000

50000

60000

70000

80000

90000

6000

4000

2000

0

2000

4000

6000

8000

1996

q119

96q3

1997

q119

97q3

1998

q119

98q3

1999

q119

99q3

2000

q120

00q3

2001

q120

01q3

2002

q120

02q3

2003

q120

03q3

2004

q120

04q3

2005

q120

05q3

2006

q120

06q3

2007

q120

07q3

2008

q120

08q3

CF(JutaUSD)

Govdebt(JutaUSD)

Grafik 4.5. Pergerakan Capital Flight Indonesia 1996:1 2009:1 dan

Hutang Luar Negeri Pemerintah Sumber : Hasil perhitungan Capital Flight, Lampiran 1 dan 2 (diolah)

Dalam hipotesis penelitian ini, variabel lainnya di luar variabel

makroekonomi yang diperkirakan memiliki pengaruh terhadap pergerakan

pelarian modal Indonesia adalah perkembangan indeks sovereign rating Indonesia

atau peringkat kredit Indonesia yang dipublikasikan oleh Standard & Poors.

Peringkat kredit suatu Negara menjadi salah satu barometer atau alat ukur

risiko finansial bagi investor sebelum mengambil keputusan dalam melakukan

kegiatan investasi (penanaman modal). Pentingnya pengaruh rating kredit dalam

kegiatan investasi finansial ini seperti ungkapan kolumnis New York Times,

Thomas Friedman, pada wawancaranya dengan David Gergen (editor US News &

World Report) tanggal 13 Februari 1996, There are two superpowers in the

world today in my opinion. There's the United States and there's Moody's Bond

Rating Service. The United States can destroy you by dropping bombs, and

Moody's can destroy you by downgrading your bonds. And believe me, it's not

clear sometimes who's more powerful.

Agen rating seperti Moodys dan Standard & Poors dipandang memiliki

pengaruh kuat untuk menghancurkan kepercayaan pemilik modal terhadap suatu


64


Negara yang mengalami penurunan peringkat bondnya. Peringkat yang rendah

berarti risiko gagal bayar hutang semakin tinggi sehingga direspon oleh investor

dengan memindahkan modalnya ke Negara lain yang memiliki rating lebih tinggi.

Rating kredit yang merefleksikan ukuran kualitas dan tingkat risiko

keamanan dari sebuah surat utang didasarkan atas kondisi keuangan dari bond

issuer. Standard & Poor memiliki gradasi penilaian yang mengindikasikan

seberapa pasti penerbit surat utang mampu membayar kembali pokok pinjaman

beriku bunganya sesuai waktu yang ditetapkan, mulai dari AAA (kualitas

tertinggi) sampai dengan D (kualitas terendah). Bond dengan rating di atas BBB

dapat diartikan surat utang yang masih memenuhi kriteria investasi yang

menguntungkan secara finansial. Sedangkan surat utang dengan rating B ke

bawah termasuk kriteria investasi yang relatif spekulatif sehingga sering disebut

junk bonds karena risiko gagal bayar yang lebih besar. Oleh karenanya, untuk

menarik investor, maka pihak issuer menawarkan yield yang tinggi.

Grafik 4.6. menunjukkan pergerakan tingkat pelarian modal selama

periode penelitian kuartal pertama tahun 1996 hingga kuartal pertama tahun 2009

dibandingkan dengan peringkat kredit Indonesia yang dipublikasikan Standard &

Poors. Pada periode krisis ekonomi melanda Indonesia akhir tahun 1997 sampai

awal tahun 1998, tingkat pelarian modal ke luar Indonesia mencapai puncaknya.

Namun demikian, Standard & Poors baru memberikan penilaian rating terendah

(SD) untuk peringkat kredit Indonesia pada tanggal 29 Maret 1999. Hal ini

kemungkinan dipicu oleh penilaian Standard & Poors dalam melihat situasi politik

di Indonesia yang memanas menjelang pelaksanaan PEMILU legislatif (MPR,

DPR dan DPRD) pada bulan Juni 1999 sehingga meningkatkan country risk dari

sisi stabilitas politik dalam negeri.


65


Grafik 4.6. Pergerakan Capital Flight Indonesia 1996:1 2009:1 dan Perkembangan Sovereign Rating Indonesia (S&P)


BBB

BB

B+

CCC+

SD

B

-6000

-4000

-2000

0

2000

4000

6000

8000

0

2

4

6

8

10

12

14

1996

q119

96q3

1997

q119

97q3

1998

q119

98q3

1999

q119

99q3

2000

q120

00q3

2001

q120

01q3

2002

q120

02q3

2003

q120

03q3

2004

q120

04q3

2005

q120

05q3

2006

q120

06q3

2007

q120

07q3

2008

q120

08q3

2009

q1

CF (Juta USD)Rating


66 Universitas Indonesia

BAB 5

HASIL PENELITIAN DAN PEMBAHASAN

5.1. Analisis Determinan Capital Flight Indonesia

Untuk mengetahui faktor-faktor yang mempengaruhi Capital Flight di

Indonesia pada periode pengamatan kuartal I tahun 1996 sampai dengan kuartal I

tahun 2009 digunakan analisis regresi linier sederhana dengan menggunakan

persamaan yang didasarkan pada pengembangan model penelitian Cuddington

(1987) dan Istikomah (2003), sebagai berikut :

CFRatio = 0 + 1LaggedCFRatio + 2GovDebtRatio + 3REER + 4DINT +

5FDI + 6GROWTH + 7DRating + 8DKPE +

5.1)

dimana,

CFRatio = Rasio Capital Flight terhadap GDPNominal

Lagged CFRatio = Rasio Capital Flight terhadap GDPNominal periode

sebelumnya (lag)

GovDebtRatio = Rasio Hutang Luar Negeri pemerintah terhadap GDP

Nominal

REER = Real Effective Exchange Rate terhadap USD

DINT = Interest Rate Differential antara Indonesia dengan US

FDI = Foreign Direct Investment

GROWTH = Tingkat Pertumbuhan ekonomi

DRating = Dummy Indeks Sovereign Rating

DKPE = Dummy Kondisi Ketidakpastian dalam Negeri akibat Krisis

Ekonomi dan Kondisi Ketidakstabilan Politik

= Error

Analisis regresi OLS terhadap model penelitian tersebut dilakukan setelah

melalui pengujian data time series meliputi uji stasioneritas data menggunakan

pengujian akar-akar unit variabel yang digunakan, pengujian model terhadap

pelanggaran asumsi klasik, pengujian secara statistik individual (t-statistik) dan

pengujian koefisien regresi menyeluruh (F-statistik) dan mengukur seberapa besar


67


variasi dalam variabel Capital Flight Indonesia mampu dijelaskan oleh semua

variabel independennya dengan baik (nilai koefisien determinasi/R2).

5.1.1. Uji Akar-Akar Unit

Uji stasioneritas pada data runtun waktu dalam penelitian ini dilakukan

untuk menghindari regresi lancung (spurious regression) atau hasil regresi yang

menunjukkan hubungan signifikan antar variabel padahal pada kenyataannya

tidak ada makna atau hubungan kausalitas sebagai akibat dari regresi yang

menggunakan variabel tidak stasioner.

Tabel 5.1. Uji Akar-Akar Unit Model Determinan Capital Flight Indonesia

Variabel

Level First Difference

ADF Stat

Nilai kritis 1%

Nilai kritis 5%

Hasil ADF Stat

Nilai kritis 1%

Nilai kritis 5%

Hasil

CFRatio -4.69 -3.56 -2.91 Stasioner Lagged CFRatio

-4.75 -3.56 -2.91 Stasioner

DINT -8.56 -3.59 -2.93 Stasioner FDI -3.24 -3.56 -2.91 Stasioner

GovDebtRatio -1.32 -3.57 -2.92 Tidak

Stasioner -3.50 -3.57 -2.92 Stasioner

Growth -2.32 -3.57 -2.92 Tidak Stasioner -12.36 -3.57 -2.92 Stasioner

REER -1.85 -3.56 -2.91 Tidak Stasioner -6.61 -3.56 -2.92 Stasioner

Sumber : Hasil Analisis Eviews, Lampiran 2.2.

Hasil pengujian akar-akar unit menggunakan Augmented Dickey Fuller

(ADF) Test pada tabel 5.1. menunjukkan bahwa sebagian data yang digunakan

dalam model penelitian ini telah stasioner pada tingkat level, yaitu variabel CFRatio Lagged CFRatio dan DINT pada tingkat kepercayaan 99% dan FDI pada tingkat

kepercayaan 95%.

Adapun variabel GovDebtRatio, REER, GROWTH dan REER belum

stasioner pada tingkat level. Setelah dilakukan diferensiasi pada tingkat beda

pertama (1st difference), variabel lainnya yang sebelumnya memiliki

permasalahan akar unit pada tingkat level menjadi stasioner ditunjukkan dengan


68


nilai ADF-stat yang lebih besar dibandingkan nilai kritis ADF-table pada tingkat

kepercayaan 99% dan 95%. Dengan demikian seluruh variabel yang diestimasi

dalam penelitian ini telah stasioner.

5.1.2. Pengujian Asumsi Klasik OLS

Untuk mendapatkan hasil estimasi regresi linier yang BLUE (Best Linier

Unbiased Estimator) maka dilakukan pengujian terhadap ada tidaknya

permasalahan pelanggaran asumsi yang dihadapi model penelitian ini.

a. Asumsi Non Heteroskedastisitas

Untuk mengetahui model penelitian telah menghadapi masalah

pelanggaran asumsi klasik berupa gejala heteroskedasitisitas, maka dilakukan

pengujian menggunakan uji White Heteroscedasticity Test dengan tahapan sebagai

berikut :

i. Formulasi hipotesis

H0 : tidak terdapat masalah heteroskedastisitas dalam model

HA : terdapat masalah heteroskedastisitas dalam model

ii. Menentukan tingkat signifikansi/derajat kepercayaan ()

iii. Menentukan kriteria pengujian

H0 ditolak, jika probabilitas chi-squared lebih kecil atau sama dengan

(2 ),

H0 diterima jika probabilitas chi-squared lebih besar dari (2 > ).

Hasil pengujian White Heteroscedasticity Test pada model Determinan

Capital Flight Indonesia sebagaimana berikut :

Tabel 5.2. Uji Heteroskedastisitas Model Determinan Capital Flight Indonesia

White Heteroskedasticity Test:

F-statistic 6.019059 Prob. F(40,11) 0.001443Obs*R-squared 49.72802 Prob. Chi-Square(40) 0.139316



69


Hasil uji heteroskedastisitas pada tabel 5.2. menunjukkan bahwa pada

tingkat kepercayaan 99% ( = 1%), model penelitian tidak menghadapi

permasalahan pelanggaran asumsi klasik heteroskedastisitas. Artinya varians

error dalam model penelitian Determinan Capital Flight Indonesia sama dan

konstan atau homoskedastis sehingga telah memenuhi prasyarat dalam regresi

linier untuk mendapatkan estimator yang tidak bias.

b. Asumsi Non Multikolinearitas

Beberapa literatur ilmu ekonometrika menyebutkan bahwa gejala

multikolinearitas ditunjukkan dengan adanya koefisien determinasi (R2) model

yang cukup tinggi (di atas 70%) namun sebagian besar variabel bebas yang

digunakan setelah diuji signifikansi individu dengan uji t-statistik (uji

parsial/individu) ternyata tidak signifikan.

Uji multikolinearitas menggunakan matriks korelasi antara variabel bebas

untuk melihat ada tidaknya korelasi yang tinggi antara 2 (dua) variabel bebas atau

lebih dalam model Determinan Capital Flight Indonesia. Untuk melihat adanya

permasalahan multikolinearitas dari model penelitian dapat dideteksi dari nilai

korelasi antar variabel bebas. Apabila terdapat korelasi antar variabel bebas

sebesar 0.8 0.9 (korelasi tinggi) maka model penelitian patut diduga mengalami

masalah multikolinearitas yang dapat berakibat pada hasil regresi yang

menghasilkan R2 tinggi namun pengaruh variabel bebas terhadap variabel

terikatnya tidak dapat dijelaskan.

Tabel 5.3. Matriks Korelasi Antar Variabel Independen Model Determinan Capital Flight Indonesia

CFRATIO DINT FDI D(GOVDEBT RATIO)

D (GROWTH) D(REER) DRATING DKPE

CFRATIO 1.000000 0.074476 -0.042110 0.324105 -0.281753 -0.432631 -0.141493 0.450438 DINT 0.074476 1.000000 -0.112446 0.027668 0.129347 0.082265 -0.094884 0.465960 FDI -0.042110 -0.112446 1.000000 0.019293 -0.001657 -0.057211 0.476821 -0.250422

D(GOVDEBT RATIO) 0.324105 0.027668 0.019293 1.000000 -0.260921 -0.692817 0.010107 0.180825

D(GROWTH) -0.281753 0.129347 -0.001657 -0.260921 1.000000 0.044456 0.079007 -0.036434 D(REER) -0.432631 0.082265 -0.057211 -0.692817 0.044456 1.000000 -0.153549 -0.128672

DRATING -0.141493 -0.094884 0.476821 0.010107 0.079007 -0.153549 1.000000 -0.039681 DKPE 0.450438 0.465960 -0.250422 0.180825 -0.036434 -0.128672 -0.039681 1.000000



70


c. Asumsi Non Autokorelasi

Salah satu permasalahan yang dihadapi data time series adalah

kemungkinan munculnya data suatu variabel pada periode waktu tertentu (Xt)

ternyata memiliki keterkaitan atau dipengaruhi oleh data pada periode waktu

sebelumnya (Xt-1). Gejala ini disebut autokorelasi atau adanya korelasi antar

variabel dalam model penelitian dipengaruhi variabel tersebut pada observasi

sebelumnya. Hal ini akan berakibat pada hasil regresi yang bias karena hasil uji

parsial (t-test) dan uji signifikansi variabel independen dalam model secara

bersama-sama/serempak (F-test) tidak valid.

Untuk mengetahui model penelitian Determinan Capital Flight Indonesia

terdapat masalah pelanggaran asumsi klasik berupa autokorelasi, digunakan uji

Durbin Watson Statistik (DWstat). Prosedur pengujian DWstat meliputi tahapan-

tahapan sebagai berikut yaitu (Widarjono, 2008) :

1. Melakukan regresi linier sederhana model penelitian yang digunakan dan

didapatkan nilai residualnya.

2. Memperoleh nilai DWstat yang disediakan secara otomatis dengan bantuan

program Eviews.

3. Dengan jumlah observasi (n) dan jumlah variabel independen tertentu, tidak

termasuk konstanta (k), dapat dilihat nilai kritis DWstat batas bawah (dL) dan

batas atas (dU).

4. Keputusan ada/tidaknya autokorelasi dapat dilihat dari nilai DWstat yang

dihasilkan regresi OLS model penelitian dan dibandingkan dengan uji Statistik

Durbin Watson berikut ini : Autokorelasi (+) Ragu-Ragu Tidak Ada Autokorelasi Ragu-Ragu Autokorelasi (-)

0 dL du 2 4-dU 4-dL 4

Gambar 5.1. Uji DW Statistik Persamaan OLS Capital Flight Sumber : Anonim, 2008


71


Nilai DWstat yang dihasilkan pada analisis OLS model penelitian

Determinan Capital Flight Indonesia sebesar 2,12, sedangkan nilai kritis DWtable [n

=53; k=6) batas bawah (dL) = 1.334 dan DWtable [n =53; k=6) batas atas (dU) = 1.814.

Hasil uji DWstat ini menunjukkan tidak adanya autokorelasi dalam sistem

persamaan.

Hasil ini diperkuat dengan hasil pengujian menggunakan metode

Langrange-Multiplier (LM-test) yang dilakukan melalui tahapan sebagai berikut :

i. Formulasi hipotesis

H0 : tidak terdapat masalah autokorelasi dalam model

HA : terdapat masalah autokorelasi dalam model

ii. Menentukan tingkat signifikansi/derajat kepercayaan ()

iii. Menentukan kriteria pengujian

H0 ditolak, jika probabilitas chi-squared lebih kecil atau sama dengan

(2 ),

H0 diterima, jika probabilitas chi-squared lebih besar dari (2 > ).

Hasil pengujian autokorelasi menggunakan metode LM-test pada model

Determinan Capital Flight Indonesia adalah sebagai berikut :

Tabel 5.4. Uji Autokorelasi Model Determinan Capital Flight Indonesia

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.453289 Prob. F(2,41) 0.638681 Obs*R-squared 1.124933 Prob. Chi-Square(2) 0.569802


Hasil uji autokorelasi pada tabel 5.4. menunjukkan bahwa pada tingkat

kepercayaan 99% ( = 1%), model penelitian sudah tidak menghadapi

permasalahan pelanggaran asumsi klasik autokorelasi. Artinya gejala autokorelasi

saat ini tidak signifikan sehingga variabel yang digunakan dalam model penelitian

Determinan Capital Flight Indonesia telah memenuhi prasyarat dalam regresi

linier untuk mendapatkan estimator yang tidak bias.


72


5.1.3. Hasil Regresi OLS Model Determinan Capital Flight Indonesia

Hasil regresi OLS pada model Determinan Capital Flight Indonesia

dengan periode waktu penelitian kuartal pertama tahun 1996 sampai dengan

kuartal pertama tahun 2009, diperoleh persamaan sebagai berikut :

CFRatio = 0.007 + 0.403*CFRatio(-1) - 0.001*DINT + 6.90E-06*FDI (2.605)** (-0.994) (1.11)

- 0.036*D(GOVDEBTRATIO) 0.002*D(GROWTH) - 0.003*D(REER) (-1.703)*** (-2.09)** (-3.396)*

- 0.034*D(RATING) + 0.05*DKPE (-1.733)* (3.218)*

R2 = 0.4968 F-stat = 5.308 DWstat = 2.12

Keterangan : tanda *, thitung signifikan pada tingkat kepercayaan 99% tanda **, thitung signifikan pada tingkat kepercayaan 95% tanda ***, thitung signifikan pada tingkat kepercayaan 90%

Adapun hasil pengujian arah hubungan variabel independen terhadap

variabel dependen dalam model Determinan Capital Flight Indonesia

dibandingkan dengan hipotesa yang disusun sebelumnya, terlihat pada tabel 5.5.

berikut :

Tabel 5.5. Pengujian Arah Hubungan Variabel Model Determinan Capital Flight Indonesia

Variabel Arah Koefisien

(Hipotesis) Arah Koefisien (Hasil Regresil)

Keterangan

CFRatio(-1) + + Arah sesuai dan signifikan secara statistik ( = 5%)

DINT - - Arah sesuai dan tidak signifikan secara statistik

FDI +/- + Arah sesuai dan tidak signifikan secara statistik

GovDebtRatio +/- - Arah sesuai dan signifikan secara statistik ( = 10%)

GROWTH - - Arah sesuai dan signifikan secara statistik ( = 5%)

REER - - Arah sesuai dan signifikan secara statistik ( = 1%)

DRating - - Signifikan secara statistik DKPE + + Signifikan secara statistik



73


Uji t koefisien regresi parsial pada Tabel 5.5. terlihat bahwa tidak semua

variabel independen yang digunakan dalam model Determinan Capital Flight

berpengaruh secara signifikan terhadap variabel dependennya. Variabel yang

berpengaruh terhadap Capital Flight Indonesia adalah variabel Lagged CFRatio

LaggedCFRatio, GovDebtRatio, GROWTH, REER, Dummy Rating dan Dummy

Kondisi Ketidakpastian Dalam Negeri akibat Ketidakstabilan Sosial Politik dan

Krisis Ekonomi. Namun demikian, seluruh variabel penelitian yang digunakan

memiliki arah yang konsisten dengan hipotesis yang diajukan.

Sesuai hasil penelitian OLS Capital Flight Indonesia selama periode

penelitian 1996:1-2009:1, ternyata tingkat pelarian modal di Indonesia yang

terjadi pada periode sebelumnya terbukti signifikan secara statistik berpengaruh

terhadap tingkat pelarian modal yang terjadi pada periode berjalan. Uji parsial

variabel ini menunjukkan bahwa peningkatan CFRatio pada periode pengamatan

sebelumnya (kuartal sebelumnya) sebesar 1% akan mempengaruhi peningkatan

CFRatio pada periode kuartal berjalan sebesar 0.40%.

Hasil empiris tersebut sejalan dengan penelitian tingkat pelarian modal

pada periode sebelumnya yang secara empiris terbukti mempengaruhi

peningkatan pelarian modal pada periode berjalan di Negara Amerika Latin pada

tahun 1974-1984 dan di Negara Tanzania, Afrika selama tahun 1973-1992

(Cuddington, 1987; Nyoni, 2000). Nyoni (2000) menjelaskan bahwa CFRatio yang

terjadi pada periode sebelumnya cenderung akan diikuti oleh pelarian modal pada

periode-periode berikutnya sebagai cerminan efek habit-formation dimana para

pelaku pelarian modal yang berpengalaman melakukan kegiatan ini akan

mengulang perbuatannya dari waktu ke waktu. Apabila pelaku pelarian modal

termasuk otoritas pemerintah maka kondisi ini akan semakin memperburuk

kerusakan perekonomian dalam negeri dan lebih meningkatkan fenomena pelarian

modal oleh pelaku lainnya (contagion effect).


74


Variabel GovDebtRatio (rasio hutang pemerintah terhadap PDB Nominal)

signifikan secara statistik dan berpengaruh negatif terhadap Capital Flight sebesar

0.036 atau setiap peningkatan rasio hutang pemerintah terhadap PDB Nominal

sebesar 1% (ceteris paribus) maka akan terjadi penurunan rasio Capital Flight

terhadap GDP Nominal sebesar 0.036%. Sesuai hipotesis yang diuji bahwa

terdapat 2 (dua) kemungkinan arah hubungan antara hutang luar negeri dengan

tingkat pelarian modal, yaitu positif atau negatif. Hasil penelitian ini menunjukkan

bahwa peningkatan rasio hutang pemerintah Indonesia terhadap PDB Nominal

akan menyebabkan penurunan rasio Capital Flight Indonesia karena adanya dana

dari luar negeri yang masuk ke Indonesia sebagai alternatif pembiayaan kegiatan

perekonomian dalam negeri dan menutup ketiadaan modal dalam negeri yang

mungkin disebabkan adanya modal yang keluar dari Indonesia.

Namun demikian, dalam beberapa studi empiris menunjukkan bahwa

utang luar negeri merupakan salah satu determinan atau faktor yang dapat

meningkatkan besarnya pelarian modal suatu Negara (hubungan positif/searah).

Hutang luar negeri yang meningkat memang dapat berdampak pada peningkatan

aliran modal ke luar negeri, tapi hal tersebut ditengarai terjadi pada saat jatuh

tempo pembayaran hutang yang dilakukan sebelumnya karena adanya kewajiban

pelunasan pokok hutang berikut bunganya.

Cerra et.al. (2005) dan Beja (2006) berdasarkan analisis revolving door

model mengemukakan bahwa hutang luar negeri memiliki hubungan yang

signifikan dan positif terhadap tingkat pelarian modal dari suatu Negara atau

wilayah. Hal ini dapat dijelaskan bahwa hutang luar negeri diperlakukan sebagai

aliran modal masuk (capital inflow) atau sumber pendanaan bagi elit

perekonomian untuk ditransformasikan menjadi aliran modal keluar dalam rangka

menghindari instabilitas perekonomian.

Selanjutnya pada saat yang bersamaan, aliran modal yang keluar

menyebabkan kevakuman likuiditas dalam negeri sehingga diperlukan pendanaan

dari luar negeri untuk mengatasinya. Kemungkinan dana yang berasal dari hutang

luar negeri dan ditransformasikan menjadi capital outflow inilah yang kemudian


75


dipinjam kembali. Atau dengan kata lain, flight of domestic savings menyebabkan

kebutuhan pendanaan dari luar negeri.

Dalam kaitan ini pula, hutang dari luar negeri yang semakin meningkat

menyebabkan beban yang berat bagi perekonomian dan risiko terjadinya krisis

hutang atau kesulitan dalam pembayaran kembali hutang tersebut. Hal inilah yang

menimbulkan ekspektasi negatif dan memberikan alasan yang kuat atau motif

bagi pemilik dana atau investor untuk melarikan dananya ke luar negeri.

Variabel nilai tukar yang direpresentasikan oleh REER menunjukkan hasil

yang signifikan pada taraf nyata 99% dan berpengaruh negatif terhadap CFRatio

sebesar -0.003 atau setiap peningkatan indeks REER sebesar 1 % maka akan

terjadi penurunan rasio Capital Flight terhadap PDB Nominal sebesar 0.003 %.

Peningkatan nilai tukar efektif riil menunjukkan apresiasi riil dari nilai tukar

Rupiah terhadap nilai tukar lain yang secara relatif diperbandingkan. Kondisi

apresiasi nilai tukar ini menyebabkan nilai riil asset yang dimiliki investor di

dalam negeri akan meningkat sehingga investor akan cenderung memilih

menempatkan modalnya di dalam negeri atau terjadi aliran modal masuk. Hal ini

sesuai dengan hasil penelitian Istikomah (2003) dan temuan empiris Cuddington

(1987) bahwa variabel nilai tukar merupakan salah satu faktor yang mampu

mendorong (saat terjadi depresiasi nilai tukar) dan menghambat (saat terjadi

apresiasi nilai tukar) terjadinya Capital Flight.

Variabel GROWTH (tingkat pertumbuhan) signifikan secara statistik dan

berpengaruh negatif terhadap rasio Capital Flight terhadap PDB Nominal sebesar

-0.002 pada tingkat kepercayaan 95%. Peningkatan pertumbuhan ekonomi sebesar

1% dengan asumsi variabel bebas lainnya tetap (ceteris paribus), akan

menurunkan rasio Capital Flight Indonesia terhadap PDB Nominal sebesar

0.002%. Hal ini menunjukkan bahwa pertumbuhan ekonomi dapat menghambat

pelarian modal ke luar negeri karena pertumbuhan ekonomi yang tinggi

menunjukkan kondisi ekonomi yang kondusif dan investasi yang menguntungkan

bagi investor untuk menanamkan modal di dalam negeri.


76


Dalam analisis ekonominya, beberapa pengamat ekonomi menyatakan

bahwa selain tingkat pertumbuhan ekonomi yang tinggi, perbaikan sovereign

rating Indonesia merupakan salah satu faktor yang mendukung aliran dana masuk

(capital inflow) ke dalam negeri, terutama dalam bentuk investasi portfolio.

Namun demikian, belum ada studi empiris yang meneliti pengaruh atau hubungan

antara peringkat kredit di Indonesia tersebut terhadap aliran modal masuk dan

keluar. Untuk itu, penulis mengembangkan penelitian mengenai Capital Flight di

Indonesia dalam model penelitian ini dengan mencoba menguji 1 (satu) variabel

baru, yakni variabel Dummy Rating dengan mengacu pada predikat sovereign

rating Indonesia yang diberikan agen pemeringkat Standard & Poors. Peringkat

kredit Indonesia atau sovereign Rating yang semakin mendekati kategori

investment grade mengindikasikan bahwa probabilitas risiko kredit untuk gagal

bayar lebih rendah. Informasi mengenai peringkat ini merupakan salah satu alat

bantu bagi investor dalam menentukan profil risiko dan mengambil keputusan

melakukan investasi, disamping analisis finansial lainnya.

Hasil pengujian parsial untuk variabel Dummy Rating menunjukkan hasil

signifikan berpengaruh dan berkorelasi negatif dengan rasio Capital Flight

terhadap PDB Nominal Indonesia. Semakin baik peringkat kredit Indonesia ke

arah investment grade (BBB-) akan menurunkan rasio Capital Flight Indonesia

terhadap PDB Nominal. Hal ini dapat dijelaskan bahwa peningkatan peringkat

kredit yang diberikan agen pemeringkat yang dipercaya investor secara

internasional memberikan sinyal bahwa biaya investasi (suku bunga) yang murah,

risiko gagal bayar hutang dari Negara tersebut semakin rendah, tingkat yield dari

bond yang diterbitkan meningkat dan nilai tukar domestik menguat sehingga

secara ekonomi dan risiko investasi dipandang sebagai kesempatan

menguntungkan untuk melakukan kegiatan investasi atau penanaman modal di

Indonesia. Sebaliknya, penurunan peringkat kredit dari suatu Negara akan

direspon dengan larinya dana keluar atau fenomena pemindahan modal ke Negara

dengan peringkat kredit yang lebih tinggi.


77


Pengujian parsial terhadap variabel Dummy Kondisi Ketidakpastian Dalam

Negeri akibat Kondisi Ketidakstabilan Politik dan Krisis Ekonomi menunjukkan

hasil signifikan berpengaruh dan berkorelasi positif terhadap terjadinya Capital

Flight di Indonesia. Sebagaimana dapat dijelaskan bahwa kondisi politik yang

tidak stabil pada saat menjelang pemilihan pemimpin nasional dan krisis ekonomi

yang melanda perekonomian Indonesia memberikan sinyalemen negatif terhadap

investor yang kemudian bereaksi dengan menarik modalnya ke luar negeri demi

mengamankan nilai asetnya dari kemungkinan buruk timbulnya kekacauan situasi

politik yang berimbas pada perekonomian dalam negeri.

Beberapa penelitian mengenai Capital Flight yang menggunakan indikator

politik dan governance membuktikan hal yang sama bahwa adanya

ketidakstabilan dan ketidakpastian politik dan kondisi perekonomian yang rawan

akan menyebabkan pelarian modal. Dalam Beja (2005) dikemukakan bahwa

apapun indikator kondisi politik yang bersifat insecure (jumlah demonstrasi buruh

yang terjadi, pemilihan pimpinan Negara, tingkat korupsi, lemahnya

institusi/pemerintah) yang digunakan sebagai salah satu variabel penjelas ternyata

temuan empiris menunjukkan hubungan yang positif meningkatkan jumlah

pelarian modal ke luar negeri. Sedangkan Fedderke & Liu (2002) membuktikan

bahwa semakin tinggi ketidakstabilan dan ketidakpastian situasi politik dalam

negeri yang terjadi di Afrika Selatan karena liberalisasi sistem politik dan proses

transformasi politik, ternyata semakin menstimulasi aliran modal ke luar (capital

outflows).

Hal tersebut sejalan dengan hasil penelitian ini bahwa tingkat kepercayaan

investor terhadap iklim investasi di dalam negeri yang kondusif, kondisi ekonomi,

kestabilan sosial politik yang mendukung akan menarik aliran modal masuk ke

Indonesia. Kondisi saat ini, pemerintah masih perlu melakukan upaya untuk lebih

memberikan assurance bagi investor untuk menanamkan dananya di Indonesia.

Sebagaimana pernyataan perwakilan ADB di Indonesia, David Green, bahwa

investor dan pelaku usaha di Indonesia masih mengeluhkan hambatan dalam

melakukan investasi seperti ketidakpastian hukum, ekonomi dan kebijakan,

instabilitas makroekonomi, buruknya infrastruktur (pasokan listrik), ekonomi


78


biaya tinggi, tarif pajak yang tinggi dan apabila pemerintah tidak mampu

mengatasi masalah ini maka bukan lonjakan investasi yang masuk ke Indonesia

pada tahun-tahun ke depan melainkan penciutan investasi (Kompas, 2006).

Variabel lainnya dalam model OLS Capital Flight Indonesia ini yang

secara empiris tidak signifikan berpengaruh terhadap fenomena pelarian modal

Indonesia, yakni variabel DINT (disparitas tingkat suku bunga) dan variabel FDI

(Foreign Direct Investment). Kedua variabel ini menunjukkan hasil yang tidak

signifikan secara statistik memiliki pengaruh terhadap rasio pelarian modal

terhadap PDB Nominal Indonesia sebagaimana ditunjukkan nilai t-statistik yang

tidak signifikan (t-statistik < t-tabel). Namun demikian, dilihat dari arah hubungan

ketiga variabel independen terhadap variabel Capital Flight menunjukkan arah

yang konsisten sesuai hipotesis yang diuji dalam penelitian ini.

Disparitas suku bunga domestik dan asing dimana suku bunga dalam

negeri yang lebih tinggi dibandingkan tingkat suku bunga di luar negeri secara

teori merupakan daya tarik yang mendorong pemilik modal untuk menanamkan

investasinya di dalam negeri karena kondisi ini diekspektasikan akan memberikan

tingkat pengembalian atau keuntungan yang lebih tinggi.

Berdasarkan perumusan hipotesis dalam model penelitian Capital Flight

Indonesia, terdapat 2 (dua) kemungkinan arah hubungan variabel FDI dengan

CFRatio, yaitu positif dan negatif. Hasil penelitian ini menunjukkan bahwa

peningkatan FDI akan menyebabkan peningkatan rasio pelarian modal Indonesia

terhadap PDB Nominal. FDI yang menunjukkan hubungan positif terhadap

Capital Flight di Indonesia dapat dijelaskan bahwa terdapat kemungkinan

kebijakan terkait investasi yang diterapkan di Indonesia bersifat diskriminatif

terhadap investor domestik (Discriminatory Treatment Perspectives) atau

memberikan privileges kepada investor asing. Misalnya kelonggaran ketentuan

dan berbagai kemudahan dalam kegiatan penanaman modal bagi investor asing

yang tidak diterapkan bagi investor domestik. Misalnya Undang-Undang

Penanaman Modal yang dianggap beberapa pihak cenderung bersifat liberal dan

berpihak pada kepentingan investor asing (Berita Indonesia, 2007).


79


Variabel FDI yang berdasarkan uji parsial menunjukkan hasil yang tidak

signifikan secara statistik mempengaruhi pelarian modal Indonesia dapat

dijelaskan bahwa estimasi pelarian modal dihitung dengan pendekatan selisih

sources of foreign exchange dan uses of foreign exchange berdasarkan data aliran

modal yang dicatat di Neraca Pembayaran Indonesia. Sedangkan aliran modal

yang tercatat pada neraca modal dalam Neraca Pembayaran Indonesia tahun ke

tahun menunjukkan kecenderungan yang persisten bahwa nominal investasi asing

langsung relatif lebih rendah dibandingkan investasi portofolio. Arus modal yang

dapat mengalir keluar-masuk Indonesia dengan cepat dan bebas, lebih didominasi

oleh investasi portofolio jangka pendek (lebih bersifat volatile) melalui pasar uang

dan pasar modal. Berbeda dengan FDI atau investasi yang bersifat jangka panjang

lebih sulit untuk ditarik keluar dari Indonesia.

Setelah dilakukan uji parsial terhadap variabel-variabel dalam model OLS

Capital Flight Indonesia sebagaimana tersebut di atas, selanjutnya dilakukan

pengujian secara serentak atau bersama-sama terhadap variabel independen yang

digunakan dalam model selama periode penelitian 1996:Q1 s.d. 2009:Q1

menunjukkan hasil signifikan secara statistik mempengaruhi variabel dependen

(Capital Flight). Hal ini ditunjukkan dengan nilai F-statistic yang lebih besar

daripada Ftabel (6;47) sebesar 5.31 pada derajat kepercayaan 99% atau kondisi

penolakan hipotesis null (nilai koefisien variabel independen = 0).

Adapun pengujian koefisien determinasi (R2) atau pengujian goodness of

fit dari model OLS Determinan Capital Flight Indonesia menunjukkan bahwa

49.69% variasi pada variabel dependen CFRatio dapat dijelaskan oleh variabel

independen yang digunakan dalam model, sedangkan 50.31% sisanya dipengaruhi

atau dapat dijelaskan oleh variabel penjelas lainnya. Nilai koefisien determinasi

pada model OLS dalam penelitian ini relatif rendah (R2 semakin mendekati angka

1 maka garis regresi secara statistik dianggap semakin mampu menjelaskan data

aktualnya), namun demikian pengujian parsial maupun bersama-sama dari

variabel-variabel independen dalam model ini secara statistik menunjukkan hasil

yang signifikan. Sebagaimana disebutkan Widarjono (2007) bahwa koefisien

determinasi hanyalah sebuah konsep statistik. Rendahnya nilai koefisien


80


determinasi dapat terjadi karena beberapa alasan, misalnya terdapat variabel

independen lainnya yang berpengaruh terhadap variabel dependen namun belum

dimasukkan dalam model penelitian ini.

Dalam bagian selanjutnya pada penelitian ini, pengujian Granger

Casuality dan Vector Auto Regression (VAR) yang melengkapi hasil penelitian ini

dilakukan untuk menguji hubungan kausalitas dan hubungan jangka panjang

antara variabel-variabel makroekonomi seperti suku bunga domestik (SBI), nilai

tukar efektif riil (REER) dan GROWTH dengan Capital Flight secara lebih lanjut.

5.2. Analisis Hubungan Capital Flight dengan Variabel Makroekonomi

Indonesia (Estimasi Model VAR)

Analisis VAR yang digunakan dalam penelitian ini mencoba untuk

menggambarkan pengaruh antar variabel endogen yang digunakan, yaitu Capital

Flight Indonesia dengan variabel makroekonomi (nilai tukar riil/REER, suku

bunga/SBI, dan pertumbuhan ekonomi/GROWTH) serta menganalisis dampak

dinamis dari gangguan yang bersifat random di dalam sistem persamaan VAR.

Dalam Widarjono (2008), salah satu analisis penting dalam sistem persamaan

VAR dimaksud, adalah Impulse Response Function (IRF) yang digunakan untuk

melacak respon dari variabel endogen yang ditimbulkan karena adanya goncangan

atau perubahan di dalam variabel gangguan (e). Analisis penting lainnya adalah

Forecast Error Decomposition of Variance atau Variance Decomposition yang

menggambarkan relatif pentingnya setiap variabel di dalam sistem persamaan

VAR karena adanya goncangan (shock) sehingga dapat diprediksi kontribusi

persentase varian setiap variabel karena adanya perubahan variabel tertentu di

dalam sistem VAR.


81


5.2.1. Uji Stasionaritas Data dan Uji Kointegrasi Johansen

Sebagaimana analisis model yang menggunakan data time series, maka

dalam pembentukan model VAR tidak terlepas dari permasalahan stasioneritas

data dan apakah data memiliki hubungan jangka panjang atau tidak dengan

pengujian kointegrasi antar variabel didalamnya. Langkah awal yang dilakukan

dalam estimasi model VAR adalah uji stasioneritas data pada variabel endogen

melalui uji Augmented Dickey Fuller (ADF).

Tabel 5.6. Uji Akar-Akar Unit Model VAR Capital Flight Indonesia

Variabel

Level First Difference

ADF Stat

Nilai kritis 1%

Nilai kritis 5%

Hasil ADF Stat

Nilai kritis 1%

Nilai kritis 5%

Hasil

CFRATIO -4.69 -3.56 -2.92 Stasioner -6.85 -3.56 -2.92 Stasioner

REER -1.86 -3.56 -2.92 Tidak Stasioner -6.61 -3.56 -2.92 Stasioner

SBI -10.13 -3.59 -2.93 Stasioner -4.59 -3.59 -2.93 Stasioner

GROWTH -2.33 -3.57 -2.92 Tidak Stasioner -12.36 -3.57 -2.92 Stasioner


Pada Tabel 5.6. dapat dilihat bahwa hasil uji stasioneritas data pada

variabel endogen yang digunakan dalam sistem persamaan VAR pada penelitian

ini menunjukkan tidak semua variabel tersebut stasioner pada tingkat level.

Variabel CFRatio dan SBI stasioner pada tingkat level sedangkan variabel REER

dan GROWTH tidak stasioner pada tingkat level. Setelah dilakukan

pendiferensiasian pada tingkat pertama, seluruh variabel telah stasioner.

Setelah diketahui bahwa karakteristik masing-masing data yang digunakan

dalam model VAR Capital Flight Indonesia pada penelitian ini melalui uji

stasionaritas, tahap pengujian selanjutnya adalah uji kointegrasi. Pengujian

kointegrasi ini dilakukan untuk mengetahui konsistensi hubungan saling

mempengaruhi antar variabel dalam jangka panjang. Pengujian dilakukan dengan

melihat nilai trace statistik dan maximum eigen statistik terhadap critical value of

max-eigenvalue pada derajat kepercayaan yang digunakan. Apabila nilainya lebih


82


besar dibandingkan nilai kritisnya maka keputusannya adalah menolak hipotesis

null (H0) atau terdapat vektor terkointegrasi dalam model VAR tersebut.

Untuk mengetahui hubungan saling mempengaruhi melalui uji kointegrasi

antar variabel dalam model penelitian ini digunakan bantuan program computer

Eviews 5.1. yang menyediakan uji Johansen-Cointegration, dengan hasil

sebagaimana dapat dilihat pada Tabel 5.7.

Tabel 5.7. Uji Kointegrasi Johansen pada Model VAR Capital Flight Indonesia

Unrestricted Cointegration Rank Test (Trace)

Hypothesized No. of CE(s) H0 ; r H1 ; r Eigenvalue

Trace Statistic

Critical Value (95%)

Prob.

None* r = 0 r = 0 0.563430 86.13284 47.85613 0.0000 At most 1* r < 1 r >1 0.494922 47.17891 29.79707 0.0002 At most 2 r < 2 r > 2 0.207014 15.07592 15.49471 0.0577 At most 3* r < 3 r >3 0.084984 4.174260 3.841466 0.0410 Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized No. of CE(s) H0 ; r H1 ; r Eigenvalue

Max Eigen Statistic

Critical Value (95%)

Prob.

None* r = 0 r = 0 0.563430 38.95393 27.58434 0.0012 At most 1* r < 1 r >1 0.494922 32.10299 21.13162 0.0010 At most 2 r < 2 r > 2 0.207014 10.90166 14.26460 0.1592 At most 3* r < 3 r >3 0.084984 4.174260 3.841466 0.0410 Sumber : Hasil Analisis Eviews, Lampiran 3.6.

Tabel 5.7. memperlihatkan hasil pengujian kointegrasi Johansen pada

model VAR Capital Flight Indonesia menunjukkan untuk hipotesa pertama (H0; r

= 0), hipotesa kedua (H0; r < 1), dan hipotesa ketiga (H0; r < 2), nilai trace-stat

dan nilai max eigen-stat lebih besar dari nilai kritisnya pada level alpha 5%

(tingkat kepercayaan 95%). Dengan demikian, keputusan pengujian kointegrasi

pada hipotesa pertama sampai dengan ketiga adalah menolak H0 atau terdapat 3

(tiga) vektor terkointegrasi pada derajat kepercayaan 95%.

Dari hasil pengujian kointegrasi tersebut dapat disimpulkan bahwa dalam

model VAR Capital Flight Indonesia terdapat 3 (tiga) kombinasi linier

independen dari variabel yang terdapat dalam model atau adanya hubungan

kointegrasi dapat diterima.


83


Berdasarkan hasil uji akar unit dan uji kointegrasi pada model VAR

Capital Flight Indonesia bahwa data tidak semuanya stasioner pada tingkat level,

namun setelah proses differencing pada 1st difference menjadi stasioner dan data

berkointegrasi atau memiliki hubungan jangka panjang maka model VAR yang

digunakan selanjutnya adalah VECM (Vector Error Correction Model).

5.2.2. Penentuan Lag Optimal dan Stabilitas Model VAR

Sebelum melakukan estimasi model VAR dengan VECM terlebih dahulu

dilakukan penentuan panjang lag (kelambanan) yang optimal untuk menghasilkan

residual bersifat Gaussian atau terbebas dari permasalahan asumsi autokorelasi

dan heteroskedastisitas yang mungkin timbul dari regresi data time series yang

digunakan (Gujarati, 2003).

Penentuan panjang lag optimal dalam penelitian ini dilakukan dengan

bantuan EViews 5.1. yaitu VAR Lag Order Selection Criteria menggunakan lag

yang dipilih oleh kriteria Likelihood Ratio (LR), Final Prediction Error (FPE),

Akaike Information Criterion (AIC), Schwarz Information Criterion (SIC) dan

Hannan-Quinn Information Criterion (HQ).

Tabel 5.8. Lag Order Selection Criteria Model VAR Capital Flight Indonesia

Lag LogL LR FPE AIC SC HQ

0 -392.0437 NA 172.4897 16.50182 16.65776 16.56075 1 -345.8892 82.69349 49.25002 15.24538 16.02505 15.54002 2 -319.8270 42.35107 32.87052 14.82613 16.22953 15.35647 3 -253.8826 96.16891 4.259015 12.74511 14.77224* 13.51117 4 -226.5250 35.33695* 2.853749* 12.27187* 14.92274 13.27364*

Keterangan : * mengindikasikan panjang lag optimum yang dipilih oleh kriteria



84


Hasil penentuan panjang lag optimal pada Tabel 5.8. dapat diketahui

bahwa lag optimal 4 pada kriteria LR, FPE, AIC, dan HQ. Pada lag 4 diharapkan

sistem VAR telah mencapai kondisi stabil. Untuk itu dilakukan pengujian

stabilitas sistem VAR dengan melihat nilai inverse roots karakteristik AR

polinominalnya atau nilai modulus di tabel AR roots yang disediakan dalam

program Eviews 5.1. Jika nilai AR roots kurang dari 1 (satu) dan semuanya

terletak di dalam unit circle maka sistem VAR dapat dikatakan stabil (Siregar,

2008).


85


Berdasarkan Tabel 5.9. dapat dilihat bahwa seluruh nilai modulus pada

tabel AR roots bernilai di bawah 1 (satu) dan tidak ada root yang berada di luar

unit circle maka sistem VAR dapat dinyatakan telah memenuhi prasyarat kondisi

model yang stabil.

Tabel 5.9. Uji Stabilitas Model VAR Capital Flight Indonesia

Roots of Characteristic Polynomial Endogenous variables: D(CFRATIO) D(REER) D(SBI) D(GROWTH) Exogenous variables: C Lag specification: 1 4 Date: 07/10/10 Time: 08:00

Root Modulus

-0.965383 0.965383 0.037533 - 0.937683i 0.938434 0.037533 + 0.937683i 0.938434 -0.459773 - 0.772179i 0.898694 -0.459773 + 0.772179i 0.898694 -0.767149 - 0.424755i 0.876889 -0.767149 + 0.424755i 0.876889 0.664373 - 0.483607i 0.821747 0.664373 + 0.483607i 0.821747 -0.235915 - 0.758284i 0.794135 -0.235915 + 0.758284i 0.794135 -0.728902 0.728902 0.701700 0.701700 0.288786 - 0.607682i 0.672811 0.288786 + 0.607682i 0.672811 0.230679 0.230679

No root lies outside the unit circle. VAR satisfies the stability condition.



86


5.2.3. Uji Kausalitas Granger

Setelah prosedur pengujian stasionaritas data, uji kointegrasi atau adanya

hubungan jangka panjang antar variabel yang digunakan dalam sistem VAR

Capital Flight Indonesia, penentuan selang optimal dari model dan uji stabilitas

model VAR maka tahapan selanjutnya adalah melakukan identifikasi keterkaitan

atau hubungan antar variabel dalam sistem dengan uji kausalitas Granger. Gambar

5.2. menunjukkan sistematika keterkaitan antar variabel dalam sistem VAR yang

diteliti.

Gambar 5.2. Keterkaitan antar Variabel dalam Model VAR Capital Flight Indonesia


Analisa hubungan kausalitas antar variabel dalam model VAR Capital

Flight Indonesia dibatasi hanya pada pola/karakteristik hubungan kausalitas antara

variabel yang akan diteliti sesuai tujuan penelitian ini, yaitu nilai tukar riil

(REER), suku bunga (SBI), pertumbuhan ekonomi (GROWTH) dengan variabel

Capital Flight, sebagaimana hasil uji kausalitas Granger pada Tabel 5.10.

0.01 0.01

0.01

0.05

CFRatio

REER GROWTH

SBI


87


Tabel 5.10. Uji Kausalitas Granger Model VAR Capital Flight Indonesia

Pairwise Granger Casuality Tests Kesimpulan

Null Hypothesis: Obs F-

Statistic Probability Keputusan Arah

REER does not Granger Cause CFRATIO CFRATIO does not Granger Cause REER

49 2.24305

4.12201

0.08147

0.00687*

H0 diterima H0 ditolak

Hubungan 1 arah dari CFRatio ke REER

SBI does not Granger Cause CFRATIO CFRATIO does not Granger Cause SBI

49 2.64944

10.6958

0.04717*

5.5E-06

H0 ditolak H0 ditolak

Hubungan 2 arah dari CFRatio ke SBI

GROWTH does not Granger Cause CFRATIO CFRATIO does not Granger Cause GROWTH

49 2.00403

18.6405

0.11242

1.0E-08*

H0 diterima H0 ditolak

Hubungan 1 arah dari CFRatio ke GROWTH

Keterangan : Tanda (*) hipotesis null ditolak pada tingkat kepercayaan 99% dan 95%


Hasil pengujian kausalitas Granger dengan tingkat kepercayaan 95% yang

pertama sebagaimana ditunjukkan dalam Tabel 5.10. membuktikan adanya

hubungan satu arah dari variabel CFRatio ke variabel nilai tukar efektif riil (REER).

Hal ini menunjukkan bahwa pada = 5%, perubahan CFRatio memiliki pengaruh

terhadap pergerakan REER namun hubungan sebaliknya tidak demikian.

Perubahan nilai tukar efektif riil tidak mempengaruhi terjadinya pelarian modal

(one way flow casuality).

Pengaruh satu arah dari variabel CFRatio ke REER dapat dijelaskan bahwa

sejalan dengan integrasi keuangan yang menghapus hambatan lalu lintas arus

keuangan antar Negara dan meningkatnya transaksi keuangan serta globalisasi

keuangan dunia yang ditandai dengan aliran modal yang lebih bebas keluar dan

masuk dalam jumlah besar dan dengan tingkat volatilitas tinggi, membawa

perekonomian Indonesia sangat mudah terpengaruh oleh faktor eksternal melalui

pasar uang dan pasar modal. Pergerakan nilai tukar dan pergerakan modal menjadi

saling terkait secara kuat satu sama lain.


88


Hal ini menngindikasikan bahwa terjadinya capital inflow secara otomatis

akan berdampak pada penguatan nilai tukar domestik (apresiasi), demikian pula

sebaliknya, capital outflow akan menyebabkan depresiasi nilai tukar.

Pergerakan nilai tukar Rupiah yang menurun (depresiasi) atau

diekspektasikan akan menurun terhadap mata uang asing pada masa mendatang

akan menyebabkan keengganan pemilik modal untuk memegang mata uang

Rupiah dan menukarkannya dengan mata uang asing yang lebih stabil nilainya

untuk mempertahankan nilai aset yang dimilikinya. Hal tersebut dapat

menjelaskan adanya fenomena hubungan timbal balik (fenomena bi-directional

casuality) antara variabel nilai tukar efektif riil dengan pelarian modal jika

pengujian kausalitas Granger pada kedua variabel tersebut menggunakan tingkat

kepercayaan yang lebih rendah ( = 10%).

Pengujian kausalitas Granger yang kedua adalah antara tingkat suku bunga

SBI dengan CFRatio. Uji kausalitas Granger ( = 5%) untuk kedua variabel tersebut

menunjukkan adanya hubungan yang bersifat dua arah atau terjadi fenomena bi-

directional antara CFRatio dan SBI.

Pengaruh variabel CFRatio ke SBI dapat dijelaskan bahwa terjadinya aliran

modal ke luar menyebabkan likuiditas yang diperlukan untuk mendukung roda

perekonomian dalam negeri menurun. Fenomena ini mendorong kebijakan

kenaikan tingkat suku bunga karena secara teoritis, arus masuk kapital berkorelasi

positif dengan tingkat bunga domestik dan berkorelasi negatif dengan tingkat

bunga luar negeri (dengan asumsi bahwa nilai tukar tetap) dimana tingkat suku

bunga domestik yang relatif lebih tinggi dari tingkat bunga luar negeri akan

menarik modal masuk atau menahan modal untuk keluar.

Variabel tingkat suku bunga domestik atau besarnya disparitas suku bunga

domestik relatif terhadap suku bunga asing (misalnya tingkat suku bunga di US)

merupakan variabel yang standar digunakan dalam banyak penelitian untuk

menentukan determinan tingkat pelarian modal. Hasil studi empiris dan teoritis

menunjukkan konsistensi hubungan arus modal dengan tingkat suku bunga

dimana motif investasi yang mencari return yang lebih tinggi menyebabkan


89


modal akan bergerak atas pengaruh atau dipicu oleh pergerakan tingkat suku

bunga. Hal ini dapat menjelaskan terjadinya pengaruh dari arah sebaliknya yakni

dari variabel SBI ke CFRatio.

Pengujian kausalitas Granger yang dianalisis berikutnya adalah antara

variabel CFRatio dengan GROWTH. Hasil Granger-Casuality Test pada tingkat

kepercayaan 95% menunjukkan adanya hubungan satu arah dari CFRatio ke

variabel GROWTH. Arah hubungan ini dapat dijelaskan bahwa tingginya tingkat

pelarian modal ke luar negeri akan berdampak pada rendahnya ketersediaan

modal yang dapat membiayai aktivitas atau kegiatan ekonomi dan dorongan untuk

ekonomi Negara dapat bertumbuh. Beberapa temuan empiris menunjukkan hasil

yang mendukung hal tersebut, salah satu diantaranya Forgha (2008) yang

mengemukakan bahwa dampak pelarian modal terhadap pembangunan ekonomi

di negara berkembang sangat besar dan nyata. Pelarian modal menyebabkan

penurunan potensi pertumbuhan melalui rendahnya tingkat investasi, rendahnya

penciptaan kesempatan kerja, rendahnya kapasitas produksi yang dihasilkan dan

efek negatif penopang pertumbuhan ekonomi lainnya.

5.2.4. Hasil Estimasi Model VECM Capital Flight Indonesia

Berdasarkan hasil pengujian yang telah dilakukan, model VAR yang tepat

untuk menganalisa hubungan antara variabel makroekonomi dan Capital Flight

Indonesia adalah VECM dengan selang (lag) optimal 4 sesuai kriteria LR, FPE,

AIC, dan HQ sebagaimana ditunjukkan pada tabel 5.9. dan uji stabilitas model

menggunakan nilai inverse roots karakteristik AR polynomial pada tabel 5.10.

Adapun kebutuhan bentuk urutan variabel (ordering) yang tepat dalam

model penelitian VAR Capital Flight Indonesia ini merujuk pada literatur

ekonometri yang menyebutkan bahwa urutan variabel diperlukan apabila

mayoritas nilai korelasi residual antar variabel di dalam sistem VAR bernilai di

atas 0.2. Hasil uji nilai korelasi residual antar variabel dalam penelitian ini

sebagaimana ditunjukkan dalam Tabel 5.11.


90


Tabel 5.11. Korelasi Residual antar Variabel Model VAR/VECM Capital Flight Indonesia

CFRATIO REER SBI GROWTH CFRATIO 1.000000 -0.220638 0.070803 -0.245021

REER -0.220638 1.000000 -0.672675 0.322242 SBI 0.070803 -0.672675 1.000000 -0.318949

GROWTH -0.245021 0.322242 -0.318949 1.000000


Tabel 5.11. menunjukkan bahwa mayoritas nilai korelasi residual antar

variabel bernilai di atas 0.2 maka spesifikasi urutan variabel sesuai teori ekonomi

atau uji kausalitas perlu dilakukan. Mengacu pada hasil uji kausalitas Granger dan

Cholesky ordering pada uji Impulse Response Function (IRF) dan uji Variance

Decomposition pada model VAR/VECM Capital Flight Indonesia maka diperoleh

bentuk urutan variabel (ordering) sebagai berikut :

CFRatio REER SBI GROWTH


91


Tahapan pengujian pra estimasi VAR/VECM Capital Flight Indonesia

secara ringkas dapat dilihat pada Tabel 5.12.

Tabel 5.12. Pengujian Pra Estimasi Model VAR/VECM Capital Flight Indonesia

No Uji dalam Estimasi VAR/VECM

Hasil Keputusan

1 Penentuan panjang lag optimal

Lag optimal 4 (kriteria LR, FPE, AIC, HQ)

Lag optimal 4

2 Stabilitas Model Nilai modulus AR roots < 1 dan berada dalam unit circle

Model VAR stabil

3 Uji kointegrasi Nilai trace-stat dan nilai max eigen-stat lebih besar dari nilai kritisnya pada level signifikan 5% (tingkat kepercayaan 95%) pada hipotesa pertama (H0; r=0)

3 (tiga) vektor terkointegrasi (terdapat hubungan jangka panjang)

4 Bentuk urutan variabel (ordering)

Nilai korelasi residual antar variabel pada residual correlation matrix, secara mayoritas (>50%) lebih dari 0.2

Urutan variabel dalam sistem VAR/VECM

5 Asumsi Klasik : a. Serial Correlation b. Heteroscedasticity

a. Probabilitas pada LM test dengan lag

optimal 4 (Prob = 0.2781) lebih besar dari nilai yg dipilih ( = 5%)

b. Nilai probabilitas chi-square (Prob. = 0.3358) lebih besar dari yg dipilih ( = 5%),

H0 diterima atau tidak ada autokorelasi H0 diterima atau tidak ada heteroskedastisitas

Sumber : Hasil Analisis Eviews, Lampiran 3.4 s.d. 3.10.

Hasil estimasi model VECM menunjukkan hubungan atau hasil regresi

jangka pendek dan jangka panjang hubungan antara variabel Capital Flight

Indonesia dengan variabel makroekonomi Indonesia yang diteliti berdasarkan

pengujian kointegrasi (3 vektor kointegrasi). Pada estimasi model VECM ini,

sebagai variabel dependen adalah variabel Capital Flight (CFRatio), sedangkan

variabel REER, suku bunga SBI dan pertumbuhan ekonomi (GROWTH) dilihat

sebagai variabel independennya. Adapun hasil estimasi model VECM Capital

Flight Indonesia sebagaimana dapat dilihat pada tabel 5.13.


92


Tabel 5.13. Estimasi Model VECM Capital Flight Indonesia

Variabel Koefisien t-statistik Kesimpulan Persamaan Jangka Panjang GROWTH(-1) -0.079137 -2.40500* Signifikan C 23.58873 - Persamaan Jangka Pendek D(CFRATIO(-1)) 1.349630 [2.13168]** Signifikan D(CFRATIO(-2)) 1.003565 [1.65461]*** Signifikan D(CFRATIO(-3)) 0.849585 [1.81253]** Signifikan D(CFRATIO(-4)) 0.137614 [0.45567] Tidak Signifikan D(REER(-1)) -0.001988 [-1.61985]*** Signifikan D(REER(-2)) 0.000524 [0.38122] Tidak Signifikan D(REER(-3)) -0.001242 [-0.92313] Tidak Signifikan D(REER(-4)) 0.000486 [0.39843] Tidak Signifikan D(SBI(-1)) -8.03E05 [-0.02739] Tidak Signifikan D(SBI(-2)) 0.001543 [0.62311] Tidak Signifikan D(SBI(-3)) -0.000605 [-0.28085] Tidak Signifikan D(SBI(-4)) 0.003270 [2.05522]** Signifikan D(GROWTH(-1)) 4.19E05 [0.00169] Tidak Signifikan D(GROWTH(-2)) -0.000334 [-0.01901] Tidak Signifikan D(GROWTH(-3)) -0.005883 [-0.54986] Tidak Signifikan D(GROWTH(-4)) -0.006855 [-1.37122]*** Signifikan C 0.363069 [1.93918] FStat = 4.4737 R2 = 0.752215


Berdasarkan uji F-statistik [Pr (F>3.65) = 0.01; Pr (F>2.53) = 0.05],

diketahui bahwa persamaan CFRatio menunjukkan hasil yang signifikan pada

tingkat kepercayaan 99% dengan Fhitung sebesar 4.47.

Pada analisa persamaan jangka pendek variabel CFRatio dengan variabel

independen yang diamati dapat diketahui bahwa berdasarkan hasil pengujian t-

statistik [Pr (t>2.390) = 0.01; Pr (t>1.671) = 0.05; Pr (t>1.296) = 0.1]

menunjukkan variabel CFRatio pada lag pertama (satu kuartal sebelumnya) sampai

dengan lag ketiga secara statistik signifikan mempengaruhi CFRatio pada periode

(kuartal) berjalan (pada taraf nyata 5% dan 10%). Peningkatan rasio antara

nominal pelarian modal terhadap PDB Indonesia sebesar 1 % maka CFRatio pada

periode berjalan akan mengalami penurunan masing-masing sebesar 1.35%

(pengaruh CFRatio lag pertama), sebesar 1.003% (pengaruh CFRatio lag kedua) dan


93


sebesar 0.85% (pengaruh CFRatio lag ketiga). Hal ini menunjukkan fenomena

contagion effect sebagaimana dikemukakan Nyoni (2000) bahwa terdapat

kecenderungan pelarian modal pada periode terdahulu diikuti dengan peningkatan

pelarian modal pada periode berikutnya.

Sedangkan hasil pengujian t-statistik pengaruhi variabel nilai tukar efektif

riil terhadap CFRatio pada kuartal berjalan dalam persamaan jangka pendek VECM

menunjukkan bahwa hanya variabel REER pada lag pertama yang secara statistik

signifikan mempengaruhi CFRatio pada kuartal berjalan. Pada taraf nyata 1% atau

tingkat kepercayaan 90% REER pada lag pertama mempengaruhi CFRatio pada

periode berjalan sebesar -0.002, artinya peningkatan REER atau apresiasi nilai

tukar efektif riil sebesar 1% akan mempengaruhi penurunan pelarian modal di

Indonesia pada tahun berjalan sebesar 0.002%.

Untuk variabel SBI yang mewakili indikator suku bunga dalam negeri

ternyata hanya tingkat suku bunga SBI pada lag keempat yang secara signifikan

pada tingkat kepercayaan 95% mempengaruhi CFRatio pada tahun berjalan

sebesar -0.003. Hal ini berarti apabila tingkat suku bunga pada lag ketiga

dinaikkan 1%, yang kemudian menjadi sinyal bagi suku bunga pasar untuk

meningkat pula, maka CFRatio pada tahun berjalan akan menurun sebesar 0.003%.

Sedangkan variabel independen lainnya yakni tingkat pertumbuhan

ekonomi Indonesia (GROWTH), hanya tingkat pertumbuhan ekonomi pada lag

keempat yang secara statistik berpengaruh signifikan dan nyata terhadap CFRatio pada tahun berjalan (taraf nyata 10%). Nilai koefisien yang diperoleh sebesar -

0.007, berarti bahwa kenaikan tingkat pertumbuhan ekonomi Indonesia pada lag

keempat sebesar 1% maka CFRatio akan mengalami penurunan atau rasio tingkat

pelarian modal Indonesia terhadap nominal PDB pada tahun berjalan akan

menurun sebesar 0.007%.


94


Hasil analisis jangka pendek persamaan VECM Capital Flight Indonesia

sebagaimana Tabel 5.13. secara empiris menunjukkan hasil yang searah atau

mendukung analisis regresi linear sederhana yang telah dilakukan pada model

Determinan Capital Flight Indonesia pada penelitian ini, dimana terdapat 3 (tiga)

variabel yang diamati, yaitu Lagged CFRatio, REER dan GROWTH signifikan

secara statistik berpengaruh terhadap tingkat pelarian modal Indonesia.

Berdasarkan hasil analisis model VECM Capital Flight Indonesia

sebagaimana ditunjukkan Tabel 5.13 dapat dilihat bahwa variabel GROWTH atau

pertumbuhan ekonomi secara statistik berpengaruh negatif terhadap Capital Flight

di Indonesia baik dalam jangka pendek maupun jangka panjang. Pada analisis

jangka panjang, nilai dugaan parameter sebesar 0.079 menunjukkan bahwa

peningkatan pertumbuhan ekonomi sebesar 1% akan mempengaruhi penurunan

tingkat pelarian modal sebesar 0.079%. Hal ini menunjukkan bahwa tingkat

pertumbuhan ekonomi dalam negeri yang tinggi masih menjadi stimulus positif

bagi investor untuk menanamkan modalnya baik dalam bentuk investasi langsung

maupun investasi portofolio ke Negara tersebut.

Pergerakan nilai tukar efektif riil yang fluktuatif pada umumnya akan

mempengaruhi iklim investasi di dalam negeri antara lain melalui sektor

keuangan. Apresiasi nilai tukar domestik terhadap nilai tukar asing lainnya akan

berdampak pada keputusan investor untuk mempertahankan asetnya di pasar

domestik, demikian pula sebaliknya apabila nilai tukar domestik melemah maka

investor akan mengamankan asetnya dengan memindahkannya kepemilikan

asetnya keluar negeri.

Namun demikian, hasil analisis jangka panjang menunjukkan bahwa

fenomena pergerakan nilai tukar efektif riil secara statistik tidak signifikan

mempengaruhi tingkat pelarian modal ke luar Indonesia. Hal ini mungkin dapat

dijelaskan bahwa hubungan atau arah pengaruh yang lebih dominan terjadi justru

berasal dari arah sebaliknya. Di tengah tekanan arus keuangan global, aliran

modal keluar yang terjadi secara terus menerus pada jangka panjang akan

memberikan tekanan yang hebat terhadap nilai tukar melalui defisit neraca modal

pada neraca pembayaran Indonesia karena adanya ketidakseimbangan supply


95


demand yang dipicu permintaan atas valas keluar negeri yang tinggi menyebabkan

kelangkaan mata uang asing (US $) dan harga US $ meningkat sedangkan Rupiah

menjadi terdepresiasi (melemah).

Hasil regresi jangka panjang model VECM CFRatio menunjukkan pula

bahwa variabel tingkat suku bunga SBI, secara statistik tidak berpengaruh secara

signifikan terhadap tingkat pelarian modal Indonesia. Tingginya return dari suku

bunga yang ditawarkan di Negara berkembang atauemerging market pada

umumnya mampu menarik aliran modal masuk. Namun demikian, return

hanyalah salah satu dari faktor yang menjadi pertimbangan investor pada saat

mengambil keputusan untuk melakukan penanaman dana. Faktor lain yang tidak

kalah penting adalah faktor risiko penanaman modal khususnya untuk kegiatan

investasi jangka panjang. Risiko-risiko seperti bagaimana ekspektasi

perekonomian Negara tersebut di masa mendatang, kondisi fundamental ekonomi

dalam negeri, country risk, ris

Documents

Digital_133046 T 27833 Analisis Faktor Analisis